cover
Contact Name
Muhammad Junaedi
Contact Email
muhammadjunaedi234@gmail.com
Phone
+6281937078131
Journal Mail Official
lppm@itka.ac.id
Editorial Address
Jalan Anjani-Suralaga Desa Suralaga Kecamatan Suralaga
Location
Kab. lombok timur,
Nusa tenggara barat
INDONESIA
TAMPIASIH
ISSN : -     EISSN : 29868742     DOI : -
Jurnal Tampiasih merupakan jurnal daring yang bersifat peer-review, open access, dan berisi hasil penelitian, laporan, tinjauan buku, dan komentar tentang segala aspek Sains, Teknologi dan Kesehatan yang diterbitkan oleh LPPM Institut Teknologi dan Kesehatan Aspirasi. Jurnal Tampiasih terbit setiap bulan Juni dan Desember dengan versi daring e-ISSN : 2986-8742 Jurnal Tampiasih memberikan akses terbuka kepada siapa saja agar informasi dan temuan dalam artikel ini bermanfaat bagi semua orang. Konten artikel jurnal ini dapat diakses dan diunduh secara gratis, tanpa dipungut biaya, mengikuti lisensi creative commons yang digunakan. Namun, apabila data dalam artikel ini digunakan sebagai bahan dalam penulisan artikel atau hal lainnya, maka Anda harus mengutip dan mencantumkan nama penulis artikel pada item yang dibuat.
Arjuna Subject : Umum - Umum
Articles 52 Documents
IMPLEMENTASI MACHINE LEARNING UNTUK PREDIKSI RISIKO AKADEMIK MAHASISWA SEBAGAI EARLY WARNING SYSTEM PADA PERGURUAN TINGGI Yuan Sadati; Nurul Umami
JURNAL TAMPIASIH Vol. 1 No. 2 (2023): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan mengimplementasikan Machine Learning untuk memprediksi risiko akademik mahasiswa sebagai Early Warning System pada perguruan tinggi. Data yang digunakan meliputi IPK, IP semester, jumlah SKS, mata kuliah tidak lulus, mata kuliah mengulang, dan tingkat kehadiran. Tahapan penelitian meliputi preprocessing, seleksi fitur, pembagian data, pemodelan menggunakan machine learning, serta evaluasi dengan accuracy, precision, recall, dan F1-score. Model yang dihasilkan digunakan untuk mengklasifikasikan mahasiswa berdasarkan tingkat risiko akademik sehingga dapat membantu dosen dan program studi melakukan deteksi serta intervensi lebih awal. Hasil penelitian menunjukkan bahwa pendekatan machine learning berpotensi meningkatkan efektivitas pemantauan dan pengambilan keputusan akademik berbasis data.
Perancangan Keamanan Jaringan Menggunakan Firewall dan Access Control List (ACL) dengan Metode System Development Life Cycle (SDLC) Muhammad Nasir; Nurul Umami
JURNAL TAMPIASIH Vol. 3 No. 2 (2025): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan jaringan merupakan aspek penting dalam menjaga kerahasiaan, integritas, dan ketersediaan data pada suatu organisasi. Penelitian ini bertujuan merancang sistem keamanan jaringan menggunakan Firewall dan Access Control List (ACL) dengan pendekatan System Development Life Cycle (SDLC). Tahapan penelitian meliputi perencanaan, analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Firewall digunakan untuk melakukan penyaringan lalu lintas jaringan, sedangkan ACL digunakan untuk mengatur hak akses berdasarkan alamat IP, tujuan, protokol, dan layanan jaringan. Hasil perancangan menunjukkan bahwa kombinasi Firewall dan ACL dapat digunakan untuk membentuk kebijakan akses yang lebih terkontrol, sehingga lalu lintas yang sesuai kebijakan dapat diizinkan dan akses yang tidak sesuai dapat dibatasi. Penelitian ini menghasilkan rancangan keamanan jaringan yang sistematis dan dapat dikembangkan sesuai kebutuhan organisasi.
Pengembangan Sistem Informasi Pembukuan dan Pelaporan Keuangan Berbasis Web pada Usaha Mikro Muliani; Muhammad Nasrullah
JURNAL TAMPIASIH Vol. 3 No. 2 (2025): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan keuangan yang tertib merupakan salah satu aspek penting dalam keberlangsungan usaha mikro. Namun, pencatatan transaksi pada sebagian usaha mikro masih dilakukan secara manual sehingga berpotensi menimbulkan kesalahan pencatatan, keterlambatan penyusunan laporan, dan kesulitan dalam memperoleh informasi keuangan secara cepat. Penelitian ini bertujuan mengembangkan sistem informasi pembukuan dan pelaporan keuangan berbasis web yang dapat membantu proses pencatatan transaksi serta menghasilkan informasi keuangan secara lebih terstruktur. Metode penelitian menggunakan pendekatan Research and Development (R&D) dengan tahapan analisis kebutuhan, perancangan, pengembangan, implementasi, dan pengujian. Sistem dirancang untuk mengelola data transaksi pemasukan dan pengeluaran serta menghasilkan rekapitulasi dan laporan keuangan. Hasil pengembangan menunjukkan bahwa sistem berbasis web dapat mengintegrasikan proses pencatatan dan pelaporan sehingga informasi keuangan lebih mudah diakses dan dikelola. Pengembangan sistem juga mendukung penerapan pencatatan yang lebih sistematis dan dapat menjadi dasar bagi usaha mikro dalam meningkatkan kualitas pengelolaan keuangan
Implementasi Access Control pada Sistem Informasi Akuntansi untuk Meningkatkan Keamanan Data Keuangan Muhammad Innuddin; Muliani
JURNAL TAMPIASIH Vol. 3 No. 2 (2025): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan data keuangan merupakan salah satu aspek penting dalam pengembangan Sistem Informasi Akuntansi karena data tersebut bersifat sensitif dan berhubungan langsung dengan aktivitas operasional organisasi. Penelitian ini bertujuan mengimplementasikan Access Control berbasis Role-Based Access Control (RBAC) untuk membatasi akses pengguna sesuai dengan tugas dan kewenangannya. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC) yang meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan evaluasi. Sistem dirancang dengan beberapa peran pengguna, yaitu administrator, bendahara, kasir, pimpinan, dan auditor, dengan hak akses yang berbeda terhadap transaksi dan laporan keuangan. Pengujian dilakukan menggunakan black-box testing dan skenario pengujian otorisasi untuk memastikan pengguna hanya dapat mengakses fungsi dan data yang telah diberikan. Hasil penelitian menunjukkan bahwa penerapan access control dapat memperkuat pembatasan akses terhadap data keuangan, mengurangi peluang perubahan data oleh pengguna yang tidak memiliki kewenangan, serta menyediakan jejak aktivitas melalui audit log. Implementasi tersebut mendukung prinsip kerahasiaan, integritas, dan ketersediaan data sehingga keamanan Sistem Informasi Akuntansi dapat ditingkatkan.
Implementasi XGBoost dan Explainable AI Berbasis SHAP untuk Prediksi Risiko Akademik Mahasiswa dalam Mendukung Early Warning System Masjun efendi; Muh Nasirudin Karim
JURNAL TAMPIASIH Vol. 3 No. 2 (2025): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan mengimplementasikan algoritma Extreme Gradient Boosting (XGBoost) dan Explainable Artificial Intelligence (XAI) berbasis SHAP untuk memprediksi risiko akademik mahasiswa serta mendukung pengembangan Early Warning System (EWS) pada perguruan tinggi. Permasalahan yang dihadapi adalah keterlambatan dalam mengidentifikasi mahasiswa yang mengalami penurunan prestasi, sehingga intervensi akademik sering dilakukan setelah masalah menjadi serius. Data yang digunakan dapat meliputi IPK, nilai mata kuliah, jumlah SKS, kehadiran, mata kuliah tidak lulus, aktivitas LMS, serta ketepatan pengumpulan tugas. Data melalui tahap preprocessing, feature engineering, pembagian data latih dan data uji, pelatihan XGBoost, optimasi parameter, serta evaluasi menggunakan accuracy, precision, recall, F1-score, dan ROC-AUC. Selanjutnya, SHAP digunakan untuk menjelaskan kontribusi setiap variabel terhadap prediksi model. Hasil yang diharapkan adalah model yang mampu mengklasifikasikan mahasiswa ke dalam kategori risiko rendah, sedang, dan tinggi sekaligus memberikan penjelasan mengenai faktor yang memengaruhi prediksi. Integrasi hasil prediksi dengan EWS memungkinkan dosen dan program studi melakukan pemantauan serta intervensi akademik secara lebih dini, terukur, dan berbasis data.
Analisis Klasterisasi Data Mahasiswa Menggunakan Algoritma K-Means untuk Mendukung Pengambilan Keputusan Akademik yasir muin; Nukman
JURNAL TAMPIASIH Vol. 3 No. 2 (2025): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan menganalisis pola karakteristik akademik mahasiswa menggunakan algoritma K-Means Clustering sebagai pendukung pengambilan keputusan akademik. Data mahasiswa dapat mengandung berbagai informasi akademik, seperti indeks prestasi, jumlah SKS yang ditempuh, kehadiran, dan capaian nilai mata kuliah, tetapi data tersebut belum selalu dimanfaatkan secara optimal untuk mengidentifikasi kelompok mahasiswa dengan karakteristik yang serupa. Penelitian menggunakan pendekatan Educational Data Mining dengan tahapan pemahaman data, prapemrosesan, transformasi, penerapan algoritma K-Means, dan evaluasi kualitas klaster. Penentuan jumlah klaster dilakukan dengan mempertimbangkan metode Elbow dan/atau Silhouette Score, sedangkan hasil klaster dianalisis berdasarkan karakteristik masing-masing kelompok. Pendekatan ini diharapkan mampu menghasilkan informasi mengenai pola akademik mahasiswa sehingga program studi dapat menyusun strategi pembinaan, monitoring, dan evaluasi akademik secara lebih terarah. Hasil akhir penelitian tidak dimaksudkan sebagai pengganti keputusan akademik, melainkan sebagai informasi pendukung berbasis data
Perancangan dan Implementasi Sistem Internet of Things Berbasis ESP32 untuk Monitoring dan Pengendalian Perangkat Secara Real-Time Abdul Azis; Gala
JURNAL TAMPIASIH Vol. 4 No. 1 (2025): Desember
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pemantauan kondisi lingkungan dan pengendalian perangkat secara jarak jauh membutuhkan platform Internet of Things (IoT) yang responsif, mudah dikembangkan, dan mampu mempertahankan konsistensi status perangkat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan arsitektur IoT berbasis ESP32 untuk pemantauan data sensor dan pengendalian beban listrik secara dua arah melalui jaringan Wi-Fi. Sistem menggunakan ESP32 sebagai pengendali utama, sensor DHT22 dan LDR sebagai sumber data, modul relay dua kanal sebagai aktuator, protokol MQTT sebagai media pertukaran pesan, serta dashboard web sebagai antarmuka pengguna. Metode penelitian menggunakan pendekatan prototipe yang meliputi analisis kebutuhan, perancangan perangkat keras dan topik MQTT, implementasi logika akuisisi serta kendali, dan verifikasi fungsional berbasis simulasi state machine. Telemetri dikemas dalam format JSON, sedangkan perintah kendali dipisahkan pada topik command dan dikonfirmasi melalui pesan status/acknowledgement. Hasil verifikasi menunjukkan sepuluh skenario logika utama—mulai dari inisialisasi fail-safe, koneksi Wi-Fi dan MQTT, publikasi telemetri, kendali relay, penolakan perintah yang tidak valid, hingga pemulihan koneksi—berjalan sesuai dengan keluaran yang diharapkan. Arsitektur ini menekankan komunikasi dua arah, pemisahan kanal data dan perintah, serta kondisi aman saat koneksi terputus. Penelitian ini menghasilkan rancangan implementatif yang dapat dijadikan dasar pengembangan sistem smart home, laboratorium, dan monitoring perangkat lainnya. Pengukuran latensi jaringan dan akurasi sensor fisik perlu dilakukan pada implementasi lapangan sebagai tahap validasi lanjutan.
Pengembangan Sistem Informasi Penjualan dan Persediaan Sembako dengan Notifikasi Stok Minimum Otomatis dan Analisis Penjualan Menggunakan Metode Prototype Muh. Yusril Hidayat; Muhammad Riyadlul Jinan
JURNAL TAMPIASIH Vol. 4 No. 2 (2026): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Toko sembako menjual kebutuhan pokok dengan volume tinggi dan margin tipis, sehingga satu rak beras atau minyak goreng yang kosong langsung berarti penjualan yang hilang. Banyak toko sembako masih mencatat penjualan di buku nota dan memutuskan waktu pemesanan ulang berdasarkan pengamatan sekilas, akibatnya pemilik tidak mendapat peringatan dini sebelum stok habis dan tidak mengetahui produk mana yang paling menopang omzet. Penelitian ini mengembangkan sistem informasi penjualan dan persediaan sembako berbasis web yang menghubungkan transaksi kasir dengan stok secara real-time, menghitung stok minimum setiap produk sebagai reorder point (ROP) beserta safety stock dari riwayat penjualannya sendiri, serta memunculkan notifikasi otomatis di dasbor dan melalui surel ketika stok mencapai atau berada di bawah titik tersebut. Sistem juga dilengkapi modul analisis penjualan yang menyajikan tren omzet harian dengan rata-rata bergerak tujuh hari, produk terlaris, kontribusi omzet per kategori, dan omzet mingguan. Pengembangan mengikuti metode Prototype melalui dua iterasi prototipe bersama pemilik toko, kasir, dan bagian gudang, dengan Laravel, MySQL, dan Chart.js sebagai teknologi pembangun. Pengujian black box dengan teknik equivalence partitioning dan boundary value analysis terhadap 98 skenario pada sebelas modul menemukan dua cacat pada putaran pertama; setelah diperbaiki, seluruh skenario dinyatakan valid. Sistem ini memberi pemilik toko sinyal pemesanan ulang yang tepat waktu serta gambaran kinerja penjualan yang berbasis data
ANALISIS PERBANDINGAN ALGORITMA KNN DAN NAIVE BAYES UNTUK IDENTIFIKASI SERANGAN BERDASARKAN DATA LOG JARINGAN Muh. Yusril Hidayat; Olva Routania
JURNAL TAMPIASIH Vol. 4 No. 2 (2026): Juli
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Peningkatan aktivitas jaringan komputer menyebabkan semakin besarnya volume data log yang perlu dianalisis untuk membedakan aktivitas normal dan serangan siber. Pemanfaatan machine learning dapat membantu proses identifikasi serangan secara lebih cepat dan terukur. Penelitian ini bertujuan menerapkan dan membandingkan algoritma K-Nearest Neighbor (KNN) dan Naive Bayes dalam mengidentifikasi serangan berdasarkan data log jaringan serta mengevaluasi kinerja kedua algoritma menggunakan accuracy, precision, recall, F1-score, AUC, dan waktu komputasi. Metode penelitian menggunakan dataset log jaringan sintetis sebanyak 2.000 record yang terdiri atas 12 atribut prediktor dan satu atribut target dengan dua kelas, yaitu normal dan attack. Data dibagi menjadi 80% data latih dan 20% data uji, kemudian dilakukan transformasi fitur kategorikal, standardisasi menggunakan StandardScaler, serta pemberian noise pada data uji. Algoritma KNN diuji dengan nilai K=1 sampai 20 dan diperoleh K optimal sebesar 5, sedangkan algoritma pembanding menggunakan Gaussian Naive Bayes. Hasil penelitian menunjukkan bahwa KNN memperoleh accuracy 90,25%, precision 89,69%, recall 92,59%, dan F1-score 91,12%, sedangkan Naive Bayes memperoleh accuracy 90,00%, precision 89,64%, recall 92,13%, dan F1-score 90,87%. Nilai AUC KNN sebesar 0,9074 dan Naive Bayes sebesar 0,9060. Naive Bayes memiliki waktu komputasi lebih singkat, sementara hasil 5-fold cross-validation menunjukkan accuracy 92,31% untuk Naive Bayes dan 92,13% untuk KNN. Dengan demikian, kedua algoritma mampu mengidentifikasi serangan dengan performa yang relatif berdekatan, dengan karakteristik keunggulan yang berbeda pada performa klasifikasi dan efisiensi komputasi.
Analisis Pola Belajar Mahasiswa Menggunakan Data Science untuk Meningkatkan Efektivitas Pembelajaran Muhammad Nasrullah
JURNAL TAMPIASIH Vol. 4 No. 1 (2025): Desember
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi pembelajaran digital menghasilkan berbagai data aktivitas mahasiswa yang dapat dimanfaatkan untuk memahami pola belajar dan mendukung peningkatan efektivitas pembelajaran. Penelitian ini bertujuan untuk menganalisis pola belajar mahasiswa menggunakan pendekatan data science serta mengidentifikasi karakteristik kelompok mahasiswa berdasarkan aktivitas pembelajaran. Penelitian menggunakan pendekatan kuantitatif dengan metode data mining. Data yang digunakan meliputi frekuensi akses Learning Management System (LMS), durasi belajar, kehadiran, penyelesaian tugas, aktivitas forum, nilai kuis, dan nilai evaluasi. Tahapan analisis meliputi data preprocessing, transformasi data, eksplorasi data, normalisasi, clustering menggunakan algoritma K-Means, serta interpretasi karakteristik setiap cluster. Berdasarkan data ilustratif sebanyak 200 mahasiswa, diperoleh tiga pola belajar, yaitu kelompok belajar aktif dan konsisten, kelompok belajar cukup aktif, serta kelompok belajar dengan aktivitas rendah. Kelompok aktif memiliki tingkat akses LMS, penyelesaian tugas, kehadiran, dan capaian akademik yang relatif tinggi. Kelompok dengan aktivitas rendah menunjukkan aktivitas pembelajaran dan penyelesaian tugas yang lebih rendah. Hasil analisis menunjukkan bahwa pendekatan data science dapat digunakan untuk memetakan karakteristik pola belajar mahasiswa sehingga dapat menjadi dasar bagi dosen dalam menentukan strategi pembelajaran dan pendampingan yang sesuai dengan kebutuhan mahasiswa.